跳到正文
只看一手#数据/训练
  1. Google Research72

    Google Research 介绍让 AI 智能体接入湿实验室的三项研究

    Google Research 发布博客，介绍三项让 AI 智能体从计算设计走向真实湿实验室实验的研究：VERID 框架为实验工作单元建立语义数字孪生，支持实时 3D 状态追踪、虚拟试运行和硬件安全检查。

    推荐理由：Google Research 用三个项目展示 AI 智能体如何接入湿实验室的真实反馈，读者可了解闭环实验的工程难点与安全约束。

  1. Mistral AI71

    Mistral 发布时间序列基础模型 Timestral，最大 209M 参数

    Mistral 发布首个时间序列基础模型系列 Timestral，提供 5M、28M、123M 和 209M 四个尺寸。其中 209M 模型在 GIFT-Eval、TIME 和 fev-bench 三项公开基准上排名第一，参数量约为此前 SOTA 的三分之二，结果已提交至 GIFT-Eval 和 TIME 榜单。

    推荐理由：原文给出四个尺寸的参数量、三项基准排名和 CPU 推理延迟，可据此判断时间序列基础模型的选型空间。

  1. Hugging Face Blog72

    作者用 ML Intern 两天做出六个模型，总花费约 103 美元

    作者借助 HuggingChat 中的 ML-intern，在几天内完成六个模型项目，包括把 Qwen-Image 2.1 的 9B 提示词改写器蒸馏成 0.8B 的 CPU 版本，总 GPU 与 CPU 费用约 103 美元。

    推荐理由：作者用同一套提示词流程在两天内做出六个模型，并公开了每个项目的算力成本与提示词写法。

  2. Microsoft Research72

    微软研究院开源 Agent Lightning v1.0：约 3500 行的轻量智能体强化学习框架

    微软研究院开源 Agent Lightning v1.0，这是一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的智能体 harness 直接参与训练，无需在训练框架内重写智能体。

    推荐理由：微软研究院开源了约 3500 行的智能体强化学习框架，并给出用 6000 条样本训练编码智能体的完整流程与结果。

  1. Microsoft Research72

    微软研究院推出面向生物学复杂性的 AI 研究系统 Quine

    微软研究院推出 AI 研究系统 Quine，由跨基因组、蛋白质、化学、RNA 与细胞状态、生物成像的多模态生物世界模型和连接科学工具、文献与湿实验的交互框架组成。

    推荐理由：微软研究院公开 Quine 的多模态生物世界模型与实验闭环设计，并给出胰腺癌细胞状态预测的湿实验验证结果。

已经到底了